- 受限低秩矩阵估计：相变、近似信息传递和应用
本文介绍了一种研究低秩矩阵估计的框架，其中考虑了矩阵分解因素的限制和观察到矩阵的一般输出通道，给出了一个统一的方式研究向量自旋玻璃模型（Spin Glass Model）。文章对低秩矩阵的贝叶斯最优推理过程的相位转变进行了详细的研究，还介绍 - 通过混淆学习相变
利用神经网络的方法，通过训练错误标记的数据来识别量子力学系统中的相变，成功地在各种情况下进行测试，意味着这是一种可以通用于未知相变检测的方法。
- 机器学习物态相
采用神经网络通过监督学习来识别凝聚态系统中的相和相变，能够通过现代软件库方便地进行编程，能够检测到多种类型的序参量，包括高度非平凡的库仑相，并且即使在没有哈密顿量甚至相互作用的广义局部性知识下，也能够实现分类。
- 推理的统计物理学：阈值和算法
介绍了推断问题中的相变和统计物理之间的联系，详细阐述了类似 Ising 模型的推断问题，以及解决图和网络上的聚类和稀疏估计问题的应用。
- 非对称旅行商问题的相变和骨架
本文研究了 ATSP 中的相变现象，发现随着城市间距离精度的提高，问题的最优解成本和计算成本都会出现急剧的变化。这些结果有助于更好地生成 ATSP 问题实例。
- 知识编译中的相变：实验研究
本文研究了知识编译中的相变现象，通过对随机 k-SAT 实例进行实验，发现编译结果存在易 - 难 - 易的规律，且大小峰值仅与子句数与变量数比例的固定值有关，大多数编译结果大小随变量数增加呈指数增长，但也存在一种相变现象，该相变由 DFA - 压缩感知中优化调节的迭代重建算法
本研究中，我们对寻找欠定线性方程组的稀疏解的两个重要算法进行了广泛的计算实验，并进行了最优参数选择。我们的优化程序在 sparselab.stanford.edu 上提供，并且在没有用户调整的情况下运行 “开箱即用”。我们通过我们的随机欠定 - 高维几何相变的普适性观察，及其对现代数据分析与信号处理的影响
本文研究高维组合几何中的相变与现代高维数据分析和信号处理中的相变之间的联系，并探讨了阈值的重要性和在不同问题中的应用。作者进行了广泛的计算实验和形式推断分析，证明了这些相变在一定条件下是普适的，但有限样本上的普适性则被拒绝。
- 更多的是相同的；相变与平均场理论
本文研究相变的早期理论，介绍了与统计物理和凝聚态物理有关的一组相关概念，包括奇点、秩序参数、平均场理论和变分方法。
- 随机子立方体作为约束满足问题的玩具模型
本文报告了一种可精确求解的随机子立方模型，该模型以硬约束满足和优化问题的结构为灵感，复现了随机 k - 可满足和 k - 着色问题的解决方案空间结构，并经历了与这些问题相同的相变。
- MM一维短程相互作用系统的相变普遍非存在性定理，以及此类相变的物理实例
本文研究了在具有短程相互作用的一维体系中的相变问题，主要关注 Van Hove 定理及其适用范围，举例说明多种一维短程模型展示了真正的热力学相变，并证明了一个广泛意义上的非存在定理，结果有重要意义。
- 有限连通性吸引子神经网络
本文研究有限平均对称神经元连接的稀释吸引子神经网络，通过秩一对称（RS）逼近导出与有限连通性自旋玻璃相似的平衡性质，进行了秩对称的积分方程的分支分析，揭示了相图中的铁磁到扰动和铁磁到自旋玻璃的转化线的位置，计算了回忆相与自旋玻璃相之间的分界 - 优化问题中的统计力学方法和相变
该综述从物理学角度介绍了用于解决组合优化问题的工具和概念，特别是与相变以及统计物理学相关的部分，并给出了物理学对计算机科学的跨学科贡献的观点。
- 一种高效的、多区间随机行走算法，用于计算态密度
我们提出了一种新的 Monte Carlo 算法，可以通过独立的随机步骤在不同的能量范围内获得高精度的结果，并可直接计算自由能和熵，适用于一级和二级相变的研究，也可用于具有粗糙能量景观的复杂系统的研究。
- 重整化群和概率论
本文简要介绍重整化群在相变理论中的应用及其概率学解释.